論文の概要: Uncovering Students' Mental Models of Generative Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2607.11692v1
• Date: Mon, 13 Jul 2026 15:25:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.529327
• Title: Uncovering Students' Mental Models of Generative Artificial Intelligence
• Title（参考訳）: 生成人工知能の心的モデルを明らかにする
• Abstract要約: 本稿では,生成型AI(GenAI)の学生のメンタルモデルについて述べる。 学生の精神モデルであるGenAIは、技術の能力や限界をどう知覚するかだけでなく、学術的な仕事にどのように組み込むかにも影響を及ぼす。
• 参考スコア（独自算出の注目度）: 0.6736390862233058
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper we present a study of students' mental models of generative AI (GenAI). A student's mental model of GenAI influences not only how they perceive the technology's capabilities and limitations but also how they choose to integrate it into their academic work. Whether they view it as a collaborative partner, a shortcut to complete tasks, or something in between, depends on how they conceptualize its use. This study addresses the following questions: (I) What mental models do undergraduate students hold about GenAI? and (II) What aspects of conceptual knowledge - declarative, procedural, and conditional - are present in these mental models? Sixty-four concept maps were collected from students enrolled in a course on technology ethics. Students were asked to construct concept maps representing their understanding of GenAI use. The concept maps were analyzed using a structured codebook and the analysis revealed five categories of mental models: technical process based, educational tool based, transition model, consequence aware model, integrated model. Declarative knowledge was most dominant across maps, suggesting that students largely understood GenAI primarily at a surface level - knowing its names, tools, and applications but demonstrate limited procedural understanding of how it works and limited conditional knowledge about when and why it should or should not be used. By identifying students' mental models, we can improve students' AI literacy by designing curriculum and guidelines that improve cognition while ensuring responsible and ethical use.
• Abstract（参考訳）: 本稿では,生成型AI(GenAI)の学生のメンタルモデルについて述べる。 学生の精神モデルであるGenAIは、技術の能力や限界をどう知覚するかだけでなく、学術的な仕事にどのように組み込むかにも影響を及ぼす。 協力的なパートナーとみなすか、タスクを完了するためのショートカットとみなすか、あるいはその使い方をどう概念化するかによって異なります。 本研究は,(I)大学院生がGenAIについてどのような精神モデルを持っているか,という疑問に対処する。 そして、(II)これらのメンタルモデルには、概念的知識(宣言的、手続き的、条件的)のどのような側面が存在するか? 技術倫理の講座に入学した学生から64のコンセプトマップが集められた。 学生は、GenAI使用の理解を表す概念地図の作成を依頼された。 概念マップは構造化されたコードブックを用いて分析され、分析により、技術プロセスベース、教育ツールベース、移行モデル、結果認識モデル、統合モデルという5つのカテゴリのメンタルモデルが明らかになった。 宣言的知識は地図上で最も支配的であり、学生はGenAIを主に表面レベルで理解していた。 学生のメンタルモデルを特定することで、責任と倫理的使用を確実にしながら認知を改善するカリキュラムやガイドラインを設計することで、学生のAIリテラシーを向上させることができる。

関連論文リスト

• Quick Build, Careful Check? Generative AI Use in Hackathons [83.0493885475068]
  中央ヨーロッパにおけるAIをテーマとしたハッカソンの参加者を対象とした探索的なインタビュー研究を報告する。 参加者はコーディング以外の目的でGenAIを使用して,馴染みのないトピックの学習やブレインストーミング,ドキュメントの作成などを行いました。 また、すべての参加者が、使用前にGenAI出力をチェックするという書面のないプラクティスに集約されていることもわかりました。
  論文  参考訳（メタデータ） (2026-07-31T08:59:18Z)
• The GenAI Skill Bypass: Mapping Divergent Pathways of University Students and Staff AI Literacy [0.9039347265533652]
  高等教育機関は、学生とスタッフの両方がジェネレーティブAI(GenAI)を開発するよう、ますます期待されている。 現在の教育の枠組みは、通常、GenAIリテラシーの線形進行を前提としている。 本稿では,分類に基づく自己評価尺度の心理測定分析を通じて,このような仮定に挑戦する。
  論文  参考訳（メタデータ） (2026-06-10T06:53:39Z)
• Patterns of Learner-AI Interaction and Academic Performance in an Object-Oriented Programming Course [0.0]
  本研究では、オブジェクト指向プログラミング(OOP)コースにおける学習結果と学習者とAIの相互作用形態の違いについて検討する。 初年度のOOPコースに入学した210人の大学生を対象に,調査データを収集した。
  論文  参考訳（メタデータ） (2026-05-26T07:48:00Z)
• Exploring Student Perception on Gen AI Adoption in Higher Education: A Descriptive Study [1.978884131103313]
  本研究では,学生が生成人工知能(GenAI)をどのように認識し,活用し,評価するかを検討する。 データは、ハートフォードシャー大学の大学院コンピュータサイエンスの学生436名を対象に実施されたアンケートによって収集された。
  論文  参考訳（メタデータ） (2026-03-29T17:19:39Z)
• Mind the Ethics! The Overlooked Ethical Dimensions of GenAI in Software Modeling Education [1.5720842327670732]
  生成人工知能(GenAI)は、ソフトウェアモデリング教育において急速に勢いを増している。 我々は、コンピュータサイエンスの6つの主要なデジタルライブラリーにまたがって、体系的な文献レビューを行う。 我々は、責任、公平性、透明性、多様性、包摂性を含む、ソフトウェアモデリング教育におけるGenAIの倫理的側面について議論する研究を識別する。
  論文  参考訳（メタデータ） (2025-09-17T10:46:12Z)
• Integrating Universal Generative AI Platforms in Educational Labs to Foster Critical Thinking and Digital Literacy [0.3749861135832073]
  本稿では,ジェネレーティブ・人工知能(GenAI)プラットフォームを実験室に組み込むための新しい教育枠組みを提案する。 大規模言語モデル(LLM)への不クリティカルな依存の限界とリスクを認識して、提案された教育モデルでは、GenAIを研究対象と認知ツールとして再編成する。
  論文  参考訳（メタデータ） (2025-06-11T17:45:51Z)
• From Recall to Reasoning: Automated Question Generation for Deeper Math Learning through Large Language Models [44.99833362998488]
  先進数学のためのコンテンツ生成を最適化する第1ステップについて検討した。 我々は、GenAIがコース内容に関連する高品質な実践問題を生み出す能力について検討した。
  論文  参考訳（メタデータ） (2025-05-17T08:30:10Z)
• Machine Learning: a Lecture Note [51.31735291774885]
  この講義ノートは、データサイエンスの初等生と博士課程の学生、あるいは機械学習の基礎的アイデアに関する規律を準備することを目的としている。 それは、機械学習の基本的なアイデアから始まり、分類を主なターゲットタスクとする。 これらの基本的な考え方に基づいて、講義ノートは教師なし学習に対する確率論的アプローチを深く探求する。
  論文  参考訳（メタデータ） (2025-05-06T16:03:41Z)
• Early Adoption of Generative Artificial Intelligence in Computing Education: Emergent Student Use Cases and Perspectives in 2023 [38.83649319653387]
  コンピュータ学生のGenAI利用と認識に関する先行研究は限られている。 私たちは、小さなエンジニアリングに焦点を当てたR1大学で、すべてのコンピュータサイエンス専攻を調査しました。 我々は,GenAIと教育に関する新たな議論に対する知見の影響について論じる。
  論文  参考訳（メタデータ） (2024-11-17T20:17:47Z)
• Misconceptions, Pragmatism, and Value Tensions: Evaluating Students' Understanding and Perception of Generative AI for Education [0.11704154007740832]
  学生はこの技術のアーリーアダプターであり、非典型的手法で利用している。 学生は,1)GenAIの理解,2)GenAIの利用,3)教育における利用に関するメリット,欠点,倫理的問題について,その説明を求めた。
  論文  参考訳（メタデータ） (2024-10-29T17:41:06Z)
• Towards Human Cognition Level-based Experiment Design for Counterfactual Explanations (XAI) [68.8204255655161]
  XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。 認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。 本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-10-31T19:20:22Z)
• Investigating Explainability of Generative AI for Code through Scenario-based Design [44.44517254181818]
  生成AI(GenAI)技術は成熟し、ソフトウェア工学のようなアプリケーションドメインに適用されています。 私たちは43人のソフトウェアエンジニアと9つのワークショップを開催しました。そこでは、最先端のジェネレーティブAIモデルの実例を使って、ユーザの説明可能性のニーズを導き出しました。 我々の研究は、GenAIのコードに対する説明可能性の必要性を探求し、新しいドメインにおけるXAIの技術開発を人間中心のアプローチがいかに促進するかを実証する。
  論文  参考訳（メタデータ） (2022-02-10T08:52:39Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。